Nature Scientific Reports: Оценка опасности наводнений в условиях дефицита данных в горных бассейнах с учётом климатических изменений с использованием машинного обучения на основе ГИС и гидродинамического моделирования CMIP6 в рамках сценариев SSP
Наводнения представляют собой возрастающую опасность в горных регионах, таких как бассейн реки Сват (Пакистан), где климатическая изменчивость, влияние ледников и ограниченность данных затрудняют традиционную оценку риска наводнений. В этом исследовании представлена гибридная структура, интегрирующая аддитивные объяснения SHapley (SHAP) на основе XGBoost для ранжирования глобальных климатических моделей, ансамблевое моделирование Random Forest (RF) и сопряжённые гидрологические и гидравлические модели (HEC-HMS–HEC-RAS) для многосценарного картирования опасности наводнений. Этот подход обеспечивает интерпретируемый, основанный на данных и физически обоснованный метод оценки климатически обусловленной опасности наводнений в бассейнах с дефицитом данных. Ежедневные данные об осадках, максимальной температуре (Tmax) и минимальной температуре (Tmin) из одиннадцати глобальных климатических моделей CMIP6 были скорректированы с использованием подхода линейного масштабирования. Эти глобальные климатические модели были ранжированы с использованием регрессии XGBoost с интерпретацией SHAP, что позволило достичь высокой точности прогнозирования (R2: 0,934/0,926 для осадков, 0,953/0,949 для Tmax и 0,947/0,943 для Tmin). Многомодельный ансамбль, построенный с использованием регрессии RF, дополнительно улучшил производительность (R2: 0,74/0,71 для осадков; 0,97/0,963 для Tmax; 0,965/0,958 для Tmin). Эти наборы данных использовались для управления моделью HEC-HMS, откалиброванной (1993–2013 гг.) и проверенной (2014–2019 гг.) с удовлетворительными результатами (NSE (критерий Нэша–Сатклиффа): 0,612/0,603; PBIAS (критерий относительной систематической погрешности): +3,96%/−6,75%). Анализ частоты наводнений с использованием метода подгонки распределения и метода VIKOR позволил определить оптимальные модели: лог-логистическую (историческую), модель Гумбеля (SSP245) и модель GEV (SSP585). Смоделированные гидрографы для различных периодов повторяемости были введены в двумерную модель HEC-RAS для оценки глубины, масштаба и скорости наводнения. Опасность наводнения была количественно оценена с использованием составного индекса глубины и скорости. В рамках SSP585 зоны высокой и очень высокой опасности расширились до 78% поймы для события, происходящего раз в 100 лет, по сравнению с 69% в исторических условиях. Эта интегрированная, объяснимая и масштабируемая структура повышает точность прогнозирования опасности наводнений с учётом климатических изменений в сложных горных районах.